• No results found

I det här kapitlet presenteras reflektioner kring det här arbetet. Det diskuteras metod, förklaring, teknik och hållbar utveckling.

6.1 Metoddiskussion

Syftet med detta arbete var att ta fram ett lösningsförslag som åtgärdar brister som finns i nuvarande datahanteringssystem hos logistikavdelningen på Powertrain Skövde. Problemen består i huvudsak av att delar av nuvarande system för datahantering saknar visualisering och kräver manuella uppdateringar. Detta gör det svårt att överblicka lagerlokalerna. För att kunna lösa dessa problem behövdes nya datahanteringssystem för logistikavdelning som underlättar det dagliga arbetet hittas. De nya systemen presenteras endast som lösningsförslag utan någon vidare implementering. För att kunna uppfylla alla krav i de nya systemen, behövdes det skapas en mall för att:

1. Sammanfatta alla önskemålen utan att missa något mål.

2. Kunna utvärdera systemen mot varandra, därefter välja den bästa.

Genom att utföra dessa steg, uppfylls även målen med arbetet. Vi valde att använda en

kravspecifikation därför att det är ett noggrant verktyg. Metoder som tillämpades i framtagning av lösningsförslagen och kravspecifikationen var observationer och intervjuer.

Vi valde att utföra observationer för att få inblick i hur logistikavdelningen arbetar. Utifrån denna metod kunde vi forma frågor efter vad vi trodde skulle vara mest givande för att kunna skriva en kravspecifikation med väl valda krav. Observationerna gav en tydlig bild över logistikavdelningens datahantering och gav en uppfattning om problemet.

Urvalet för intervjuerna var tillräckligt för att kunna få en inblick i hur de andra sajterna arbetar och för att hitta lösningsförslag. De intervjuade svarade på frågorna om vilka system andra sajter använder. Semistrukturerad intervju gjorde samtalen harmoniska och gav den intervjuade tid att förklara mer noggrant kring de frågor som ställdes. Metoden tillät också följdfrågor kring saker som var intressanta, eller som behövde ett förtydligande även på frågor som initialt inte var planerade. Med den avsatta tiden för arbetet kunde det utföras sammanlagt fem intervjuer och detta gav två relevanta lösningsförslag. I efterhand kan det noteras att fler intervjuer hade varit av stort intresse, specifikt inom IT och simulering, för att kunna dra tydligare slutsatser kring simulerings möjligheter och integrering med äldre databaser. Detta hade troligen lett till andra slutsatser än de som gjordes i det här arbetet. 

Hade problemet lösts med andra metoder, exempelvis med ostrukturerade intervjuer, hade det varit svårt att få utförliga svar utifrån studiens syfte. Detta med anledning att ostrukturerade intervjuer inte utgår ifrån teman i frågeformulären. I litteraturstudien under (kapitel 2.3) beskrivs det att en semistrukturerad intervju med utformade frågor gör att en person med tillräcklig kunskap kan intervjua och få ut ett relevant resultat. Det hade gått att genomföra strukturerade intervjuer, men metoden hade begränsat möjligheten att få innehållsrika och nyanserade svar. Även enkäter är en annan möjlig metod som dock hade varit mindre exakt eftersom tolkning av svaren hade behövts göras och inga följdfrågor hade kunnat ställas.

Det mest tidskrävande med det här arbetet har varit analysen av kvalitativa insamlade data, vilket var av stor betydelse för att kunna göra en ordentlig analys av intervjuerna. Genom en gedigen

analysprocess; transkribering, kodning, kategorisering och slutsatser, kunde en bild fås över hur de två programmen som presenterades i (kapitel 5) fungerar. Det inspelade materialet var av stor betydelse i analysarbetet, dels för att kunna transkribera ord för ord utan att missa viktiga delar, och dels för att det gav möjlighet att lyssna på inspelningen upprepade gånger för att säkerställa en korrekt förståelse av innehållet. Kodningen var en viktig del i arbetet för att å ena sidan kunna hitta intressanta nyckelord och skapa kategorier av dem efteråt, vilket å andra sidan visade på relevansen av de kategorier som repeterades. Eftersom nyckelorden upprepades flera gånger under olika kategorier, valdes att ta hela meningar där nyckelorden inkluderades. Detta gjorde arbetet smidigare för att kunna hitta tillbaka lätt i materialet. Även kategoriseringen var en väsentlig del i analysen för att kunna dra tydliga slutsatser.

I utvärderingssyfte och för jämförelse mellan de båda lösningsförslagen, var kravspecifikationen ett relevant verktyg att använda för att kunna dra konkreta slutsatser. I efterhand kan noteras att mallen var för omfattande att användas enbart för utvärdering. Prioriteringsdelen var av stor betydelse för valet av lösningsförslag. Flera delkapitel lämnades oskrivna av två orsaker. För det första är mallen anpassad att användas mest vid anskaffning eller implementering av program inom IT miljöer, och i det här stadiet för det här arbetet sker endast utvärdering och val av program. För det andra finns det inte tillräcklig kunskap inom dessa rubriker i nuläget. Detta gjorde att det blev en del

upprepningar med TBD beteckning i vissa delar. Men eftersom dessa oskrivna rubriker inte är aktuella i nuläget eller inte kan fyllas i, täcker kravspecifikationen sin funktion fullt ut.

En annan notering är att i kravspecifikationen skrivs inte implementerings- och upplärningstid, utan det behandlas i projektspecifikationen. I det här arbetet användes dessa som sekundära krav ändå, för att framtagna lösningsförslag ska uppfylla det som logistikavdelningen eftersöker.

Användarvänlighet framkom inte som ett krav eller en direkt fråga i frågeformulären för intervjuerna, men diskussion under intervjuer ledde till att begreppet användes som en följdfråga. Den har även varit av stor betydelse i jämförelsen mellan lösningsförslagen. Ur ett användarperspektiv i

jämförandet, är det första lösningsförslaget ”Power BI” mer användarvänligt än det andra ”Qlikview”. Med endast begränsat IT kunskap kan en användare komma igång med Power BI lätt och snabbt, vilket för logistikavdelningen innebär en ökad effektivitet och en minskning av risken att göra fel i det manuella arbetet. I Qlikview däremot kan programmeringsdelen begränsa möjligheten att komma igång lika lätt och snabbt.

Utifrån de metoder som valdes anser vi att arbetet har uppnått syftet att hitta lösningsförslag till logistikavdelningen på Powertrain Skövde. Utöver kraven i kravspecifikationen rangordnades lösningsförslagen utifrån användarvänlighet, inlärningstid och kostnad. Detta resulterade i att det ena lösningförslaget var bättre enligt den utvärderingsmall som användes.

Något vi har uppmärksammat i efterhand är att det hade varit fördelaktigt om vi hade letat efter en källa som förklarar innebörden av ordet simulering eftersom det fanns en viss förvirring kring begreppet ”simulering” och att tydligare krav hade kunnat formuleras om begreppet hade varit mer definierat från början. Mer specifika frågor hade då kunnat ställas under intervjuerna kring

En ytterligare brist i arbetet är att en person på varje sajt intervjuades, vilket kan ge ett riktat perspektiv då fler personer på samma sajt kanske inte delar samma åsikt om systemen.

6.2 Förklaring

Arbetet avgränsades i början till en lagerlokal (M2) för att kunna avsluta arbetet inom den satta tiden. Nu, efter genomfört arbete, kan det konstateras att lösningsförslagen kan generaliseras och implementeras till ytterligare lagerlokaler på Powertrain Skövde. Avgränsningen har inte påverkat arbetets genomförande eller metodval. Om arbetet inte hade avgränsats, skulle resultatet ändå varit likadant men trots detta kan det anses att avgränsningen var rätt val i början av arbetet. 

6.3 Teknik och hållbar utveckling

I den här delen diskutera teknik och lösningsförslagens effekter på hållbar utveckling.

6.3.1 Teknik

De två lösningsförslag som presenterades har den tekniska egenskapen att de kan visualisera stora mängder data. I Qlikview behövs det en del programmeringskunskap, medan i Power BI räcker det med begränsad IT kunskap. Båda programmen kräver att användaren får åtkomst av administratörer för att kunna koppla in sig på rätt databas och få fram den information som efterfrågas. Därefter kan båda programmen användas till visualisering.

Ur ett produktionstekniskt perspektiv kan logistikavdelningen fatta mer noggranna beslut utifrån den information som visualiseras. Personalen kommer att kunna fatta snabbare beslut om vart artiklar ska lagras när en specifik lagerlokal har nått sin fyllnadsgrad. Det kommer att kunna ses i tid vilka lagerlokaler som har låg fyllnadsgrad under vissa perioder utifrån det som planeras. Det kommer även att vara enklare att se om lagerlokalerna klarar den interna lagringen av artiklar eller om de behöver lagras externt. Det mesta av detta kommer att ske utan manuellt arbete och ge

logistikavdelningen mer tid att använda på andra arbetssysslor. Stora delar av det manuella arbetet övergår till automatiserade miljöer.

Lösningsförslaget Power BI kommer att påverka Logistikavdelningens arbetssätt genom att produktionspersonalen kan se var produkter står i lagerlokalerna och behöver inte ringa Support eller logistikavdelningen för hjälp. De kommer att kunna se tydligare hur mycket som har lagrats under olika perioder i form av grafer för olika tidsperioder, men även det som planeras framåt utifrån prognoserna. De kommer även att kunna kontrollera i realtid hur mycket som lagras jämfört med det som planerats. Logistikavdelningen kommer att snabbare kunna få uppdatering av lagerlokalen M2, över var ställage och stuvar ska vara placerade och själva få en snabbare uppfattning över hur det kommer att se ut.

För att lösningsförslaget Power BI ska kunna användas för de lagerlokaler som går under Legacy, är kontroll av IT en förutsättning för att kunna avgöra integrationsmöjligheten. Om det inte går att integrera Power BI med Legacy, blir övergången till MACS ännu viktigare för att kunna implementera lösningsförslaget för logistikavdelningen.

För att Power BI ska kunna användas komplikationsfritt behöver transportpersonalen tydligare se artikelnummer på pallarna än i nuläget. Textstorleken ska vara tillräckligt stor så att det går att läsa

inifrån truckarna, utan att truckförarna behöver gå ut. Kontinuerliga avstämningar behövs med transportpersonalen, för att tydligt kunna se problemen så att de kan åtgärdas.

6.3.2 Hållbar utveckling

Utifrån en miljöaspekt och med referens till hållbarhetens tre dimensioner som presenterades i det inledande kapitlet, kan lösningsförslagen relateras till dem enligt följande: 

Ekologisk hållbarhet. Genom bättre visualisering över lagerlokaler kan förflyttning av produkter och material rationaliseras mer effektivt. Effektivisering av transporter minskar utsläpp av föroreningar och förbrukning av naturens lagrade resurser, exempelvis bensin. Detta i sin tur minskar transportskadorna. Onödiga transporter är även ett slöseri

inom Lean vilket i sin tur är relaterat till produktivitet och ledtider.

 Social hållbarhet. Personalen är av högsta betydelse i den här dimensionen. Bättre översikt av lagerlokaler genom visualisering kan ge en gynnsammare kommunikation mellan avdelningarna. Detta minskar också tiden som avsätts för icke värdeskapande aktiviteter, exempelvis att lägga tid på att kopiera och klistra in information mellan Excelfilerna. Om produktionspersonalen kan se en visuell bild över lagerytorna, behöver de inte ringa Support för att få veta var material finns. Supports personal behöver inte åtgärda de felen som händer i samband med förflyttning av material. Istället kan tiden läggas på personalens kreativitet och värdeskapande aktiviteter. Med detta blir arbetslagen mer självständiga och autonoma. 

 Ekonomisk hållbarhet berör lönsamheten. Båda lösningsförslagen ger bättre visualisering i processen och minskar manuellt arbete. Detta leder till att resursförbrukning i form av personal och tid minskas i hela kedjan. Mindre tid läggs på icke värdeskapande uppgifter, exempelvis inventering av lagerlokaler. Mängden av material och produkter kan beställas noggrannare och planeringar kan ske på ett mer agilt sätt. Även risken för överproduktion och produktionslinornas väntan på material kan minskas. Överproduktion och väntan är de två största slöserierna inom Lean som i sin tur påverkar ledtider.

Related documents